一本书读透Martech智慧营销

这是一本从多维度讲解Martech以及如何借助Martech实现营销数字化转型的著作。

宏观层面 本书对Martech的行业现状、发展趋势、思想认知等做了前瞻性的分析；微观层面 对Martech的技术栈、核心产品、应用场景、实操方法等做了详尽的讲解。大多数知识点都围绕技术和业务双重维度展开 力求理论有深度、技术可落地、应用有实效。理论来自作者扎实的专业知识和多年的从业思考 实战经验则来自作者在广告、营销、产品、技术一线的深度耕耘。

本书共分9章：

第1~2章：

对营销的需求变化、技术趋势以及如何应对数字化转型进行了宏观分析 重点包括Adtech技术栈、Martech技术栈、企业数据能力成熟度评估、企业营销数字化能力评估、Martech从业者必备的能力等；

第3~7章：

对Martech技术栈中的重点模块和产品进行了深入讲解 包括Adserving、DMP、DSP、CDP、CMP、SSP、ADX等 包含大量实战案例 技术与业务深度融合 能帮助读者真正将数字化、智能化融入实际工作 进而带来业绩的飞升。

第8章：

重点对Martech的核心——大数据生态进行了深度解读 包括数据源的采集、ID Mapping的落地方法、各种增值数据模型的构建技巧及应用、数据交易等内容。

第9章：

作者对Martech的未来做了9个预测 并为Martech从业者的职业规划给出了建议和方向 旨在帮助企业和个人都能提前布局未来 应对未来的挑战。

适读人群 ：1）各行业客户市场部／运营部／数据部／IT部门人员／传统行业数字化转型相关决策及实施人员2）从事Martech产品／服务的互联网公司解决方案／产品／运营人员3）大数据及互联

（1）大多数知识点都围绕技术和业务双重维度展开 理论有深度、技术可落地、应用有实效。

（2）第一作者是国内程序化广告和数字化营销领域的专家、布道者 有超过20年的从业经验 有广泛的行业影响力。

（3）第二作者是深演智能数据产品解决方案总监 在数字化营销、智能营销等领域有丰富经验 有超过20年的从业经验。

（4）第三作者是阿里的高级产品专家 在数字营销、数据驱动运营与决策、数据系统和平台构建等方面经验丰富 有超过10年的从业经验。

（5）本书从趋势、技术、产品、应用场景、实操方法等5个维度全面阐释Martech 为营销数字化转型提供解决方案。

（6）本书得到了来自知名企业、高校、行业协会的30余位专家联袂推荐。

为什么要写这本书

自2017年笔者的《程序化广告实战》一书出版 已过去快3年了。在这近3年的时间中 市场环境在快速变化 人口红利、互联网流量红利消失 短视频直播带货等营销方式日益火爆 全民营销大潮澎湃。

在增量红利消失的存量经济大背景下 众多有先见的企业开始精益化挖掘潜在客户 即运用大数据及相关技术手段从现有存量中精细化挖掘局部增量的机会。这导致企业数字化转型的需求不断增强 营销成为数字化转型的首要引擎。

正是在这样巨大的推动力作用下 整个营销行业高速发展 数字化和技术化也在不断深入。企业从几年前对程序化广告（Adtech）的关注 逐步扩大到在业务中对其进行应用实践 同时对Martech的关注也与日俱增。

Martech是Marketing和Technology融合在一起得到的一个新词汇 特指利用技术实现营销目标的所有举措和工具。通过Martech可对营销进行规划、执行、分析、组织和优化。也有的专家认为 凡是可以帮助营销人员接触潜在客户的每一项技术都可以归为Martech。

随着技术供给侧的爆发式发展 技术需求侧—品牌端的需求也在发生深刻变化：随着全球经济形势的变化 企业营销部门的压力不断增加 企业越来越重视通过数字化的手段来提升营销的效率 并希望通过与消费者长期沟通和互动来提高企业的盈利增长能力。可以说 数字化转型是目前绝大多数企业面临的重大问题。

但是 由于市场营销部门的从业人员往往没有技术背景 对新技术的评估能力和接受能力相对较弱 因此造成业内认识水平不统一、技术应用效率不高等问题。基于这种情况 我们觉得有必要编写一本从供需两方面对各种概念和技术细节进行深度梳理的书 帮助从业者梳理思路 辨析技术的关键点并做出有效取舍 以加快整个行业数字化转型的进程。如果本书在这方面对大家有所帮助 将是我们最大的收获。

读者对象

本书的主要受众是整个互联网行业的从业者、所有存在数字化转型需求的传统企业的从业者 以及对企业数字化转型、营销数字化转型感兴趣的朋友们。具体如下：

1）各行业市场部门、运营部门、数据部门、IT部门的人员 以及传统行业数字化转型相关的决策及实施人员。

这类人员需要具备一些技术能力和结合业务场景进行技术梳理及判断的能力 同时还需要对数据市场的底层现状、数据分析技术、数据挖掘技术等有一定的了解。本书可以在理论和实操两个层面指导这类人员完成日常工作。

2）与Martech相关的互联网公司的产品经理和运营人员。

对于这类人员来说 本书可以帮助其建立全局观 快速搭建专业能力体系 少走弯路 减少时间成本。

3）大数据从业人员。

对于专业的大数据从业人员来说 本书可以为他们提供更广阔的业务视角 帮助他们将数据和应用场景结合到一起 了解更多的行业应用 辅助其进行产品设计。

4）对营销技术及大数据在营销领域的应用感兴趣的人员。

对于这类人员 本书可以帮其扩大知识面 了解更多的行业知识。

本书特色

1）从基础概念到实操系统设计 内容全面、系统。本书专注于剖析Martech智慧营销业务 从产业大趋势、营销核心作业流程到主要技术栈模块、数字化转型对企业及个人的能力要求等均有详细介绍。书中对重点内容的介绍完全从业务、技术及大数据角度展开。

2）主要素材均来自实践。笔者及另外两位作者以顾问的形式辅导了大量企业 其中包括深演智能、触脉咨询、勾正数据、欢网科技、admobile等众多营销行业上下游的企业。营销主、代理公司、媒体如何一起推动实际业务？他们填过哪些坑？这些被大家经常咨询的问题都在本书中有所介绍。

3）笔者及另外两位作者均有20年左右的技术底子 所以剖析问题时会从基础到业务再到技术 这种介绍方法会让大家对相关知识点理解得更透彻、全面。

本书主要内容

本书分为9章：

第1～2章从宏观趋势和需求变化开始 引出与Martech相关的基本概念 目的是帮助没有任何基础的读者建立基本认知。大家通过对基础知识的学习 可为实际工作和本书后续章节的学习打下扎实的基础。

第3～7章重点介绍了Martech的模块产品及案例实战 系统地梳理了Adserving、DMP、DSP、CDP、CMP、SSP/ADX等重点知识。

第8章对Martech的核心—大数据生态的方方面面进行了深度解读 包括数据采集、Mapping、模型、应用场景、案例分析和数据交易等精彩内容。

第9章介绍了行业发展趋势及从业者的职业规划策略。

希望大家能根据自己的情况选取相应的章节来学习。

勘误和支持

由于笔者们的水平有限 编写时间仓促 书中难免会出现一些错误 恳请读者批评指正。为此 我们专门开设了名为“营销分子”的微信订阅号 ID为Mar_Tech 欢迎通过该订阅号来与笔者互动 期待能够得到你们的真挚反馈。

另外 限于篇幅 部分扩展内容无法放入书中 如关于常用术语、常见缩略语的介绍以及其他推荐的学习资源等 大家可以在微信订阅号“营销分子”中下载。

致谢

首先要对一直关注“程序化广告实战”微信订阅号及系列课程的朋友们致以诚挚的谢意！若没有你们一直以来的大力支持和长久陪伴 笔者也不会有源源不断的动力 坚持不懈地整理、传播、分享与营销技术相关的内容。正是

推荐语

前言

引子　企业数字化转型迎来全员营销时代001

第1章　从Adtech到Martech007

1.1　营销需求侧的变化008

1.1.1　营销方法论的变化008

1.1.2　消费者的4个变化015

1.2　营销领域技术供给侧的变革021

1.2.1　Adtech、Salestech、Martech的概念及其应用范围021

1.2.2　Martech技术栈024

1.2.3　从营销核心业务看Martech技术栈全貌025

1.3　从Adtech技术栈到Martech技术栈029

1.3.1　Adtech技术栈030

1.3.2　运营/销售相关Martech技术栈052

1.3.3　关键数据和基础080

第2章　Martech与数字化营销转型093

2.1　企业数据能力成熟度评估模型094

2.1.1　采集能力094

2.1.2　处理能力096

2.1.3　激活能力097

2.1.4　组织支持099

2.2　企业营销数字化能力成熟度评估模型100

2.3　企业营销数字化转型不同阶段的Martech要点102

2.4　Martech时代对营销人员的能力要求104

2.4.1　对生态圈的理解和谈判能力104

2.4.2　对技术的理解和评估能力106

2.4.3　大数据打通、处理能力110

2.4.4　业务理解 行业经验积累113

2.4.5　跨部门推动力114

2.4.6　快速验证及迭代优化 全业态把控能力117

2.4.7　基于数据分析的精细化运营能力117

2.4.8　数据的合规使用118

第3章　Martech实战——Adserving要点119

3.1　Adserving基础知识120

3.1.1　Adserving广告请求执行流程122

3.1.2　Adserving智能流量管理决策流程及框架123

3.1.3　Adtech程序化广告4种典型模式的定义126

3.1.4　Adserving与“传统采买”129

3.1.5　媒体支持和市场大趋势130

3.2　Adserving主要应用场景131

3.2.1　媒介的主要关注点和优化指标132

3.2.2　Adserving升级新应用：联动激活DMP/CDP139

3.2.3　多重数据+多种投放模式 一站式闭环持续优化143

3.3　Adserving主要投放流程152

3.3.1　传统广告投放流程152

3.3.2　升级后的程序化广告投放流程154

3.3.3　Adserving项目工作流程执行检查表157

3.3.4　需求简报模板要点161

3.4　本地化趋势161

第4章　Martech实战——DMP要点163

4.1　DMP基础知识164

4.1.1　DMP的分类164

4.1.2　DMP的数据源169

4.2　DMP的主要数据处理流程173

4.2.1　数据ETL174

4.2.2　数据处理184

4.2.3　数据分析197

4.2.4　数据策略激活215

4.3　DMP的主要应用场景及案例221

4.3.1　持续迭代优化的闭环精准营销221

4.3.2　带有业务场景的客群细分223

4.3.3　潜在高意向客户挖掘224

4.3.4　流量方DMP云动态扩容225

4.3.5　跨界营销225

4.3.6　“羊毛党”识别227

4.4　如何选择DMP服务商228

4.4.1　非技术要求228

4.4.2　技术要求229

4.4.3　应用要求229

第5章　Martech实战——CDP要点231

5.1　CDP的定义232

5.1.1　几种常见的权威定义232

5.1.2　CDP的主要能力解读235

5.2　是什么让CDP与众不同237

5.2.1　CDP出现的痛点237

5.2.2　CDP的能力特点238

5.2.3　CDP的数据内容239

5.2.4　CDP建设的好处239

5.2.5　CDP的数据应用方向240

5.3　CDP逻辑架构241

5.3.1　CDP基本能力概括241

5.3.2　CDP的逻辑架构241

5.4　CDP与Martech领域其他技术栈的比较250

5.4.1　CDP与营销自动化的比较250

5.4.2　CDP与营销云的比较252

5.4.3　CDP与第一方DMP的比较253

5.4.4　CDP与CRM的比较254

5.4.5　CDP与企业数据湖的比较256

5.4.6　CDP与其他技术栈的横向对比总结257

5.5　CDP主要场景258

5.5.1　全域营销CDP如何赋能营销258

5.5.2　CDP对私域流量池运营的重要作用260

5.5.3　客户旅程分析262

5.5.4　数字化客户体验管理265

5.5.5　AI技术在CDP中的应用266

5.6　CDP项目实施中最可能遇到的数据问题268

5.7　选择正确的CDP平台270

5.7.1　什么时候投资建CDP平台270

5.7.2　如何选择正确的CDP平台271

第6章　Martech实战——CMP要点274

6.1　谈论内容营销时我们在说什么274

6.2　与客户互动的内容形式和媒体275

6.3　与客户互动的内容策略277

6.3.1　通用内容策略特征277

6.3.2　应对“内容疲劳”277

6.3.3　制定有效的内容策略和传播策略278

6.4　衡量内容互动的效果280

6.5　内容营销策略如何制定281

6.5.1　制定的原则281

6.5.2　制定的步骤282

6.6　内容营销对技术的要求285

6.7　CMP核心能力287

6.7.1　内容创建及优化288

6.7.2　内容管理290

6.7.3　内容营销自动化291

6.7.4　内容分发294

6.7.5　效果跟踪及分析294

6.8　内容营销场景案例296

6.8.1　内容策略+渠道整合营销场景296

6.8.2　内容策略+传播策略场景298

第7章　Martech实战——流量变现要点299

7.1　流量池化、平台化300

7.1.1　流量池化、平台化概述301

7.1.2　混合域流量营销平台303

7.1.3　流量供需角色持续转化306

7.2　广告流量交易模式升级309

7.2.1　“传统排期”的交易模式309

7.2.2　联盟模式310

7.2.3　实时竞价模式311

7.2.4　私有程序化模式312

7.2.5　小结313

7.3　ADX交易标准化及技术栈要点314

7.3.1　ADX交易标准化314

7.3.2　ADX中的SSP系统的基础功能315

7.3.3　ADX中DSP买方自助操作基础功能317

7.3.4　卖方流量优先级和交易模式管理319

7.3.5　透明化和卖方诉求322

7.3.6　基于数据指导的人群定向智能营销325

第8章　Martech实战进阶——大数据生态的深度解读326

8.1　各种数据源的采集要点326

8.1.1　运营商327

8.1.2　互联网第三方服务商334

8.1.3　互联网应用平台339

8.1.4　操作系统插件服务商340

8.1.5　硬件服务商341

8.2　ID Mapping341

8.2.1　设备标识与用户标识342

8.2.2　ID Mapping的3种方法345

8.2.3　ID Mapping的6个注意事项348

8.3　常见的增值数据模型354

8.3.1　数据挖掘算法模型354

8.3.2　第一方标签构建及模型359

8.3.3　客户运营领域的几个关键模型370

8.3.4　销售线索评估模型376

8.3.5　风控模型380

8.4　6大模型：应用场景和案例分析391

8.4.1　高价值客户挖掘模型391

8.4.2　客户营销响应模型392

8.4.3　客户流失预警模型393

8.4.4　休眠客户唤醒模型393

8.4.5　购物篮分析394

8.4.6　征信风险控制模型394

8.5　数据交易395

8.5.1　常见的3种大数据交易类型395

8.5.2　大数据交易与多方安全计算397

第9章　说在后面的话403

9.1　关于Martech的9个预测403

9.2　Martech领域从业者职业规划策略409

9.2.1　职业规划原则409

9.2.2　Martech领域的岗位要求413

......